Lucene里面Collector

我们先来回顾下，一个基本的搜索流程是怎么完成的
1，得到一个索引目录Directory(可能基于内存的或者磁盘的)。
2，得到一个DirectoryReader。
3，实例化查询组件IndexSearcher。
4，检索得到TopDoc查询结果集
5,遍历ScoresDocs处理结果


我们看下这个检索的流程，大概可以分这5步，前1,2,3算是准备工作，后面的2步是我们经常需要进行数据处理的地方，那么我们Collector到底工作在哪一步呢？，其实Collector真正的起作用是在3-4步之间的。

那么Collector的作用是干什么的？为什么需要使用Collector？

在这之前先分析下TopDocs这个类，这个类的工作原理，其实在后台使用的也是一个收集器，收收集我们检索的结果，通过TopDocsCollector这个基类下面的2个子类收集器，来收集一次我们检索的命中数据。
所以collector的作用就是收集某些我们需要定制化的结果集，某些情况下使用collector可以可以极大的提升我们程序的性能，通过collector可以让我们对每一个匹配上的文档做一些特有的定制化操作，当然前提是在我们需要使用的情况下。
下面我们来看下collector基类的几个方法



方法 说明
collect() 检索时，每匹配上一个文档，都会调用此方法
acceptsDocsOutOfOrder() 测试本collector是否能处理无序到达的docid
setScorer(Scorer scorer) 处理检索结果的评分
setNextReader(AtomicReaderContext context) 检索时，在多个索引段结构之间切换的方法



下面我们来看下自定义的一个collector来实现ScoreDoc类的功能,代码如下.


Java代码 复制代码 收藏代码
1.package com.piaoxuexianjing;
2.
3.import java.io.IOException;
4.import java.util.ArrayList;
5.import java.util.List;
6.
7.import org.apache.lucene.index.AtomicReaderContext;
8.import org.apache.lucene.search.Collector;
9.import org.apache.lucene.search.ScoreDoc;
10.import org.apache.lucene.search.Scorer;
11.
12./**
13. * @author 三劫散仙
14. * @version 1.0
15. *
16. * 自定义收集器
17. * 实现评分收集
18. * **/
19.public class MyScoreCollector extends Collector {
20. //private HashMap<String, String> documents=new HashMap<String, String>();
21. List<ScoreDoc> docs=new ArrayList<ScoreDoc>();
22. private Scorer scorer;//scorer类
23. private int docBase;//全局相对段基数
24.
25.
26. @Override
27. public boolean acceptsDocsOutOfOrder() {
28. // TODO Auto-generated method stub
29. //返回true是允许无次序的ID
30. //返回false必须是有次序的
31. return true;
32. }
33.
34. @Override
35. public void collect(int arg0) throws IOException {
36. /**
37. * 匹配上一个文档
38. * 就记录其docid与打分情况
39. *
40. * */
41. docs.add(new ScoreDoc(arg0+docBase,scorer.score()));//
42. }
43.// BinaryDocValues names;//字符类型的内置存储
44.// BinaryDocValues bookNames;//字符类型的内置存储
45.// BinaryDocValues ids;//字符类型的内置存储
46.// BinaryDocValues prices;//字符类型的内置存储
47.// FieldCache.Doubles d ; //数值类型的内置存储
48.// FieldCache.Ints ints;//数值类型的内置存储
49. @Override
50. public void setNextReader(AtomicReaderContext arg0) throws IOException {
51. this.docBase=arg0.docBase;//记录每个索引段结构的相对位置
52. }
53.
54. @Override
55. public void setScorer(Scorer arg0) throws IOException {
56. // TODO Auto-generated method stub
57. this.scorer=arg0;//记录改匹配的打分情况
58.
59. }
60.
61.
62.
63.
64.}


测试类的核心代码


Java代码 复制代码 收藏代码
1.//自定义收集器
2. MyScoreCollector scoreCollector=new MyScoreCollector();
3.searcher.search(new MatchAllDocsQuery(), scoreCollector);
4./**
5. * 自定义的收集类，实现效果===>ScoreDocs类
6. * **/
7.List<ScoreDoc> s=scoreCollector.docs;
8.for(ScoreDoc sc:s){
9. System.out.println(sc.doc+"===="+sc.score);
10.}


输出结果如下


Java代码 复制代码 收藏代码
1.0====1.0
2.1====1.0
3.2====1.0
4.3====1.0
5.4====1.0
6.5====1.0
7.6====1.0
8.7====1.0


至此，我们就利用自定义的collector完成了一个简单的收集评分功能，当然我们可以根据自己的业务，来实现各种各样的collector，灵活运用！